一种提升纵向联邦学习系统效率的方法及系统

本申请涉及一种提升纵向联邦学习系统效率的方法及系统，属于人工智能技术领域。该方法通过在每次迭代期间客户端执行多轮本地更新的方式，有效利用闲置时间；而对于服务端，允许使用历史的特征编码进行聚合训练全局模型。本申请通过在一轮客户端与服务端通信之间，设置多次本地更新，从而减少训练中跨方的数据传输次数，降低通信成本，也避免了由于频繁交换前向传播计算结果或反向传播梯度，以及带宽的限制所带来的时延，一定程度缓解了计算设备地理分布式而造成的广域网带宽有限问题，节约训练成本。